作为一个激情项目，我正在重建纽约大学XJ Wang实验室的神经元模型。论文是Wei，W。，＆amp; Wang，X。J.（2016）。皮质 - 基底神经节 - 丘脑皮质环的抑制控制：复杂的调节和与记忆和决策过程的相互作用。 Neuron，92（5），1093-1105。
我遇到的主要问题是解释用于计算神经元膜电压差异的等式。它们包括基底神经节和丘脑底核细胞的破裂神经元模型。这些区域中膜电压的微分方程包含超极化反弹，这导致爆发和强直尖峰。该等式在先前论文的第2页上，其基本上使用完全相同的模型。我已经链接到下面的论文，我也提供了确切段落的图像链接。 http://www.cns.nyu.edu/wanglab/publications/pdf/wei.jns2015.pdf
该等式取自本文：https://www.physiology.org/doi/pdf/10.1152/jn.2000.83.1.588
显然，这个等式需要被重点化，所以我可以用numpy来运行它，但我现在忽略了它，因为这样做相对容易。所有H的中期都是给我带来麻烦的。据我了解，我应该运行以下代码：
gt * h * H（V-Vh）*（V-Vt）
其中 H（V-Vh）是重阶梯函数，V是先前时间步长的膜电压 Vh = -60mV 且 Vt = 120mV 即可。 gt 是纳米西门子中的电导效率常数。我认为为python解释这个的正确方法是......
gt * h * heavy（（60,0.5）*（V-120）
但我并非100％确定我正确地阅读了这个符号。有人可以确认我已按预期阅读了吗？
其次 h 是停用术语，它引起了破裂，如Smith等人，2000年第2页的最后一段所述（第二个与我联系的pdf）。我理解很好地控制h的演化的微分方程，但是 h 的价值是多少？在史密斯等人。 2000年，作者说h以20ms的时间常数放松到零，并且它以100ms的时间常数放松到统一。什么样的价值 h 放松，放松团结是什么意思？
答案 0 :(得分：0)
对你来说x1（numpy.heaviside）是= V-Vh;你把这个差异比作零。您可以尝试编写自己的Heaviside函数版本以加深理解，然后如果您需要速度或兼容性，则可以回到numpy版本。伪代码罗嗦版本就像是，
if (V<Vh): return(0); else: return(1);
您可能只需在代码中编写(V>=Vh)，因为Python会将布尔值视为1（如果为true），将0视为false。
这忽略了完整版Heaviside中V == Vh的可能性，但是对于大多数具有真实值的实际工作（甚至在计算机中离散化），这不太可能是值得关注的情况，但你可以轻松添加。